Распознавание именованных сущностей в условиях малых выборок: определение, таксономия и направления исследований

Few-shot Named Entity Recognition: Definition, Taxonomy and Research Directions
Vincenzo Moscato, Marco Postiglione, Giancarlo Sperlí
2023-07-18

обучение в условиях малого числа примеровраспознавание именованных сущностей в условиях малого числа примеровграфы знанийязыки с низкими ресурсамимодельно-ориентированные и дата-ориентированные методы
В последние годы наблюдается экспоненциальный рост числа научных публикаций в области обучения на малых выборках (+98% в 2022 году по сравнению с предыдущим годом), целью которого является обучение моделей машинного обучения на основе крайне ограниченного объема доступных данных. Соответственно, растет и интерес к системам распознавания именованных сущностей (Named Entity Recognition, NER), использующим обучение на малых выборках. Распознавание именованных сущностей заключается в выявлении упоминаний заранее определенных сущностей в неструктурированном тексте и служит фундаментальным этапом многих последующих задач, таких как построение графов знаний и ответы на вопросы. Потребность в системах NER, способных обучаться всего на нескольких размеченных примерах, особенно актуальна в областях, где аннотирование требует времени, знаний и высокой квалификации (например, в здравоохранении, финансах и юриспруденции), а также для языков с ограниченными ресурсами. В этом обзорном исследовании, начиная с четкого определения и описания задачи распознавания именованных сущностей в условиях малых выборок (few-shot NER, FS-NER), мы анализируем современное состояние исследований и предлагаем таксономию, разделяющую алгоритмы на две широкие категории в соответствии с лежащими в их основе механизмами: ориентированные на модель и ориентированные на данные. Для каждой категории мы выстраиваем работы в хронологическом порядке, чтобы показать, как область развивается в направлении новых исследовательских задач. Наконец, методы, ограничения и ключевые аспекты подробно анализируются для содействия дальнейшим исследованиям.
1
Предложенная таксономия классифицирует алгоритмы few-shot NER на модельно-ориентированные и ориентированные на данные подходы в зависимости от лежащих в их основе механизмов.
2
Few-shot NER решает задачу распознавания сущностей при крайне ограниченном объёме аннотированных данных, особенно в специализированных областях и малоресурсных языках.
3
В обзоре анализируются методы, ограничения и ключевые аспекты few-shot NER для поддержки дальнейших исследований.
4
В обзоре даются чёткое определение и описание задачи few-shot NER, а также анализируется её современное состояние.
5
Рассмотренные исследования систематизированы таким образом, чтобы показать развитие области в направлении новых исследовательских направлений.

системы распознавания именованных сущностей в условиях малого числа примеров

определение, таксономия, современное состояние, методы, ограничения и направления исследований распознавания именованных сущностей в условиях малого числа примеров

Publication Details
Publication Date
2023-07-18
Journal
ACM Transactions on Intelligent Systems and Technology
Publisher
Association for Computing Machinery
ISSN
2157-6904
Cited by
41
Access Type
Author Information
Authors
Vincenzo Moscato
Marco Postiglione
Giancarlo Sperlí
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%